Pada 24 Oktober lalu, atas undangan Asosiasi Industrialisasi Cerdas Korea (KOIIA), kami berpartisipasi dalam “Akademi Pengembangan Talenta Inti Perusahaan Menengah 2025, Seminar Strategi Menghadapi Industri Masa Depan”, dan CEO Clevi, Lee Hwan-ho, menyampaikan pidato utama.
Kami berpartisipasi dalam sesi “Studi Kasus Penerapan Teknologi AI dan Strategi Praktis DX” dengan topik “Studi Kasus Pemanfaatan Physical AI serta Faktor Kegagalan dan Strategi Perbaikan dalam Proses Penerapan Agen RAG”.
Seiring meningkatnya minat terhadap agen AI akhir-akhir ini, semakin banyak perusahaan yang mulai mempertimbangkan penerapan AI. Kami memahami bahwa banyak lembaga dan perusahaan telah menguji coba dan mengoperasikan AI.
Namun, sayangnya, berdasarkan hasil penelitian, banyak perusahaan dan lembaga tidak memperoleh ROI yang diharapkan, atau fitur yang berfungsi dalam PoC tidak memberikan jawaban yang tepat atau tidak berfungsi dengan baik dalam proyek utama maupun di lapangan.
Informasi tersebut membuat banyak perusahaan enggan menerapkan AI secara terburu-buru.
Dalam kuliah tersebut, CEO Clevi, Lee Hwan-ho, menjelaskan secara mendalam keterbatasan sistem RAG, yang merupakan salah satu penyebab utama kegagalan penerapan AI secara terburu-buru, serta model open source dan Small LLM (SLM), sekaligus menjelaskan mengapa berbagai kasus penerapan sebelumnya mengalami kegagalan.
Pada akhirnya, alasan kita memanfaatkan AI adalah karena kita berharap AI dapat menggantikan pekerjaan manusia atau menunjukkan kinerja yang lebih baik daripada manusia.
Namun, karena para praktisi di perusahaan yang telah menerapkan AI saat ini tidak mempercayai kualitas jawaban AI, muncul keluhan bahwa beban kerja justru meningkat karena mereka harus memeriksa setiap jawaban AI satu per satu.
Hal ini terutama disebabkan oleh penggunaan model SLM open source yang telah di-fine-tuning oleh sebagian besar perusahaan sebagai solusi.
Secara intuitif, kita mungkin berpikir bahwa AI akan menjadi lebih cerdas jika mempelajari hal-hal baru. Namun, ketika AI mempelajari pengetahuan baru, AI justru kehilangan ingatan masa lalu, yaitu bobot parameter tertentu.
Masalah yang lebih serius adalah tidak ada yang mengetahui informasi atau pengetahuan apa yang telah hilang.
Karena penerapan AI bukanlah hal yang membutuhkan sedikit sumber daya, Anda mungkin telah melakukan banyak validasi sejak tahap PoC.
Mengapa masalah tersebut tidak muncul pada saat itu? Tentu saja, karena AI telah dilatih ulang dengan informasi target.
AI yang sebelumnya hanya mengenal angka dilatih untuk mempelajari alfabet, lalu hanya diberi pertanyaan tentang alfabet, sehingga wajar jika dapat memberikan jawaban dengan baik. Namun, apakah di lapangan kita hanya membutuhkan model yang dikhususkan untuk domain tertentu seperti ini?
Di lapangan, kita menghadapi lingkungan dan data baru setiap hari. Namun, AI yang dilatih dengan menghancurkan pengetahuan yang ada secara acak tidak dapat menjamin universalitas maupun akurasi.
Oleh karena itu, diperlukan teknologi untuk memiliki atau membangun model bahasa superbesar From-scratch Foundation.
Hal ini karena model-model tersebut memiliki hampir semua pengetahuan di dunia, sehingga tidak hanya kualitas jawabannya yang tinggi, tetapi juga akurasinya.
Untuk domain khusus, Anda dapat mengatasi kekurangan SLM yang telah di-fine-tuning dengan menggunakan teknologi SFT(Supervised Fine-Tuning), atau jika datanya sedikit, menggunakan sistem RAG maupun teknologi basis data semantik, yaitu sistem basis data intelijen yang dikembangkan sendiri oleh CLEVI.
Pemerintah juga menyadari pentingnya model foundation ini, sehingga memberikan banyak dukungan.
Inilah proyek AI nasional. Tujuan terbesar proyek ini adalah mengamankan kedaulatan digital.
CLEVI juga menyadari kekurangan fatal saat menggunakan model open source, sehingga kami mengembangkan dan melatih model-model CLEVI secara mandiri, mulai dari pengumpulan data hingga perancangan arsitektur.
Saat ini, model-model CLEVI memiliki performa yang sama sekali tidak tertinggal ketika bersaing dengan AI terkemuka di dunia.
Khususnya, karena memiliki model sendiri, CLEVI tidak menghadapi masalah ketergantungan yang dapat muncul saat menggunakan model eksternal.
Penerapan AI kini menjadi suatu keharusan, bukan lagi pilihan. Namun, sulit untuk memperoleh hasil yang diinginkan hanya dengan menerapkan teknologi terbaru.
Inovasi sejati baru dimulai ketika kita memahami batasan teknologi secara tepat dan menyusun strategi optimal yang sesuai dengan lingkungan serta tujuan organisasi kita.
Dengan teknologi yang berbeda, seperti model bahasa superbesar milik sendiri dan basis data semantik, CLEVI meminimalkan trial and error serta risiko yang dihadapi perusahaan dalam proses penerapan AI.
Kami akan terus mendengarkan suara dari lapangan dan berupaya sebaik mungkin untuk menjadi mitra AI yang dapat dipercaya oleh lebih banyak perusahaan. Semoga Anda dapat mewujudkan kesuksesan sejati dalam penerapan AI bersama CLEVI.